Model dyfuzyjny
Zaktualizowano:
Model dyfuzyjny to rodzaj generatywnego modelu sztucznej inteligencji, który uczy się tworzyć nowe dane poprzez odwracanie procesu stopniowego dodawania szumu do danych treningowych. Generuje obrazy wysokiej jakości, stopniowo usuwając szum z losowego punktu początkowego, aż do uzyskania spójnego i realistycznego obrazu.
Modele dyfuzyjne należą do klasy generatywnych modeli głębokiego uczenia, które zyskały znaczną popularność w generowaniu obrazów, dźwięku i innych typów danych. Ich działanie opiera się na dwóch głównych fazach:
- Faza propagacji (forward diffusion): W tej fazie model uczy się, jak stopniowo dodawać szum Gaussa do obrazu wejściowego, aż stanie się on czystym szumem. Proces ten jest deterministyczny i kontrolowany.
- Faza odwracania (reverse diffusion): To jest kluczowa faza generowania. Model uczy się odwracać proces propagacji, czyli stopniowo usuwać szum z losowego obrazu szumu, aby odtworzyć oryginalny obraz. Model jest trenowany, aby przewidywać szum, który należy odjąć w każdym kroku, aby zbliżyć się do czystego obrazu.
Modele dyfuzyjne, takie jak Stable Diffusion, wykorzystują tę metodologię do tworzenia fotorealistycznych obrazów na podstawie opisów tekstowych (tzw. promptów). Dzięki iteracyjnemu procesowi odszumiania są w stanie generować obrazy o wysokiej spójności i szczegółowości, często przewyższając inne generatywne modele pod względem jakości wizualnej. Ich elastyczność pozwala na szerokie zastosowania, od tworzenia grafiki koncepcyjnej po edycję obrazów.